AAAIFeb, 2021

k - 强韧多智能体路径规划中的对称性破缺

PDF
TL;DR本文介绍了多机器人路径规划问题中考虑异常情况的 k-Robust Conflict-Based Search 算法，以及引入对 k-robust 规划特定的对称性约束可以有效地找到冲突代理的兼容和最优路径，在多个领域中的应用效果较好，包括传统的 MAPF 基准测试，自动化仓库领域和最近推出 Flatland 挑战的铁路领域。
multi-agent path findingk-robust conflict-based searchsymmetry breaking constraintsmapf benchmarksrailway domain
发现论文，激发创造
  • 多智能体路径规划搜索的配对对称性推理

    本文针对多智能体路径规划中的对称性问题，提出了一种通过推理技术解决对称性问题的方法，并将其应用于 CBS 算法，实现了在性能和效率方面的显著提升。

    Mar, 2021

  • 连续时间冲突基于搜索的团分析与绕行

    研究对连续时间多智能体路径规划问题的对称性打破增强方法以及连续时间冲突基于搜索的求解器，并且通过实证研究证明这些增强方法在密集图中比以往的最新技术在相同时间内解决多达 10% 或 20% 更多智能体问题上有统计显著性的性能提升。

    Dec, 2023

  • 多目标冲突搜索的成本分担

    本文提出了两种新的拆分策略 (cost splitting 和 disjoint cost splitting)，用于解决 Multi-Objective Conflict-Based Search (MO-CBS) 算法中的重复搜索问题，并证明了这些拆分策略与 MO-CBS 既完整又最优。实验结果表明，disjoint cost splitting 是最佳的拆分策略，可将 MO-CBS 加速两个数量级并在各种情景下显著提高其成功率。

    Nov, 2022

  • 基于冲突的可解释多智能体路径规划搜索

    本文利用冲突基础搜索算法处理可解释多智能体路径规划问题，并探讨了计划时间与可解释性之间的权衡。

    Feb, 2022

  • 改进连续时间的冲突搜索算法

    本文提出了在连续时间领域使用 prioritizing conflicts（PC）、disjoint splitting（DS）、high-level heuristics 等算法来扩展 CSB 算法，以在无需离散化时间的情况下保证最优解。作者通过实验证明，这些改进显著优于原始 CCBS 算法，解决了更多智能体问题，并推动了在连续时间领域中的多智能体路径规划的极限。

    Jan, 2021

  • 最优和有界次优的任意角度多智能体路径规划

    多智能体路径规划中的任意角路径规划问题，利用连续冲突搜索算法和安全区间路径规划算法的最优算法及其可行解空间分割和多约束技术，能解决比传统组合更多的问题。

    Apr, 2024

  • 优化先决约束计划任务的多智能体路径规划

    本文提出了一种 Precedence Constrained Conflict Based Search (PC-CBS) 算法，用于解决 Precedence Constrained Multi-Agent Path Finding (PC-MAPF) 问题，算法在仓库装配和多智能体取送货问题中表现优异。

    Feb, 2022

  • EECBS: 多智能体路径规划的有界次优搜索

    通过基于在线学习的 inadmissible 估计和 EES 算法，在研究现有的 bounded-suboptimal MAPF 算法的基础上，提出一种新的 bounded-suboptimal 算法 EECBS，相较于 ECBS，BCP-7 和 eMDD-SAT 等先进算法，在运行时间上表现更快，希望其可推广到更多 bounded-suboptimal MAPF 算法的应用中。

    Oct, 2020

  • 基于冲突搜索 (CBS) 和焦点搜索 (FS) 组合的任意时间 MAPF 解算器分析

    本研究针对 CBS 算法的优化问题，设计并测试了多种不同的改进方式；研究结果表明，在多种情形下使用基于 Focal Search 的 anytime variant 算法优于传统的 CBS 算法。

    Sep, 2022

  • 合作自主驾驶的多智能体路径规划

    通过混合多智能体路径规划和无信号交叉口有序安排算法，本研究提出了一种性能显著优于现有算法、固定启发式以及基于 ARR 实施的优先规划的优化和完整算法 (OBS-KATS)，并在不同车辆到达率、车道长度、交叉速度和控制范围下保持性能，具有直接适用于类似规模的交通和多机器人场景的特点。

    Feb, 2024